網(wǎng)葉編輯器 ?W葉編輯器 網(wǎng)葉編輯器
標(biāo)簽：
上傳時間： 2016-01-20
上傳用戶：watch100
目前網(wǎng)路流行的網(wǎng)頁遊戲（travian）,配合firefox排程外掛，可以協(xié)助玩家計算建築物排程，本程式為javascript+xml方式，適合ajax初學(xué)者使用學(xué)習(xí)，請務(wù)必掛於伺服器中才能穩(wěn)定執(zhí)行
上傳時間： 2016-08-05
上傳用戶：ls530720646
臺灣地區(qū)民眾使用網(wǎng)路之情形，與使用寬頻上網(wǎng) 、無線上網(wǎng) 、行動上網(wǎng) 之使用狀況與行為、臺灣地區(qū)偏遠(yuǎn)及非偏遠(yuǎn)地區(qū)其網(wǎng)路使用行為之差異；另外，也針對臺灣地區(qū)家庭，了解其使用網(wǎng)路與寬頻之狀況與行為
標(biāo)簽：
上傳時間： 2016-08-17
上傳用戶：songnanhua
圖論中最小生成樹Kruskal算法 及畫圖程序 M-函數(shù) 格式 [Wt,Pp]=mintreek(n,W)：n為圖頂點數(shù),W為圖的帶權(quán)鄰接矩陣，不構(gòu)成邊的兩頂點之間的權(quán)用inf表示。顯示最小生成樹的邊及頂點, Wt為最小生成樹的權(quán),Pp(:,1:2)為最小生成樹邊的兩頂點,Pp(:,3)為最小生成樹的邊權(quán),Pp(:,4)為最小生成樹邊的序號 附圖,紅色連線為最小生成樹的圖 例如 n=6 w=inf*ones(6) w(1,[2,3,4])=[6,1,5] w(2,[3,5])=[5,3] w(3,[4,5,6])=[5,6,4] w(4,6)=2 w(5,6)=6 [a,b]=mintreek(n,w)
標(biāo)簽： mintreek Kruskal Wt Pp
上傳時間： 2015-11-30
上傳用戶：dreamboy36
自組織映射網(wǎng)路(SOM) ，一種以競爭架構(gòu)為學(xué)習(xí)基礎(chǔ)的類神經(jīng)網(wǎng)路模式 SOM網(wǎng)路是模仿腦神經(jīng)細(xì)胞『物以類聚』的特性
上傳時間： 2017-01-07
上傳用戶：x4587
抽樣z變換頻率抽樣理論:我們將先闡明：（1）z變換與DFT的關(guān)系（抽樣z變換），在此基礎(chǔ)上引出抽樣z變換的概念，并進(jìn)一步深入討論頻域抽樣不失真條件。（2）頻域抽樣理論（頻域抽樣不失真條件）（3)頻域內(nèi)插公式一、z變換與DFT關(guān)系 （1）引入連續(xù)傅里葉變換引出離散傅里葉變換定義式。離散傅里葉變換看作是序列的傅里葉變換在 頻 域 再 抽 樣 后 的 變 換 對.在Z變換與L變換中,又可了解到序列的傅里葉 變換就是單位圓上的Z 變 換.所以對序列的傅里葉變換進(jìn)行頻域抽樣時, 自 然可以看作是對單位圓上的 Z變換進(jìn)行抽樣. (2)推導(dǎo)Z 變 換 的 定 義 式 (正 變 換) 重 寫 如 下: 取z=ejw 代 入 定 義 式, 得 到 單 位 圓 上 Z 變 換 為w是 單 位 圓 上 各 點 的 數(shù) 字 角 頻 率.再 進(jìn) 行 抽 樣-- N 等 分.這 樣w=2kπ/N, 即w值為0,2π/N,4π/N,6π/N…, 考慮到x(n)是N點有限長序列, 因而n只需0~N-1即可。將w=2kπ/N代入并改變上下限, 得 則這正是離散傅里葉變換 (DFT)正變換定義式.
上傳時間： 2014-12-28
上傳用戶：zhaistone
簡化DFA-對于一確定型自動機M=(K,Σ,Δ,s, F)，設(shè)p,q ∈K,若對于任一字符串w,由p沿w可達(dá)某終點當(dāng)且僅當(dāng)由q沿w可達(dá)某終點,則說p,q等價，記為p≡q。而且，≡的一個等價類恰好就是狀態(tài)數(shù)最少的確定型自動機的一個狀態(tài)
上傳時間： 2013-12-23
上傳用戶：yzhl1988
*--- --- --- --聲明--- --- --- -----*/ /* VC6.0下運行通過 此程序為本人苦心所做，請您在閱讀的時候，尊重本人的 勞動。可以修改，但當(dāng)做的每一處矯正或改進(jìn)時，請將改進(jìn) 方案，及修改部分發(fā)給本人 (修改部分請注名明：修改字樣) Email: jink2005@sina.com QQ: 272576320 ——初稿完成：06-5-27 jink2005 補充： 程序存在問題： (1) follow集不能處理：U->xVyVz的情況 (2) 因本人偷懶，本程序為加入文法判斷，故 輸入的文法必須為LL(1)文法 (3) 您可以幫忙擴充：消除左遞歸，提取公因子等函數(shù) (4) …… */ /*-----------------------------------------------*/ /*參考書《計算機編譯原理——編譯程序構(gòu)造實踐》 LL(1)語法分析,例1: ERTWF# +*()i# 文法G[E]:(按此格式輸入) 1 E -> TR 2 R -> +TR 3 R -> 4 T -> FW 5 W -> * FW 6 W -> 7 F -> (E) 8 F -> i 分析例句：i*(i)# , i+i# 例2： 編譯書5.6例題1 SHMA# adbe# S->aH H->aMd H->d M->Ab M-> A->aM A->e 分析例句：aaabd# */
上傳時間： 2016-02-08
上傳用戶：ayfeixiao
設(shè)有一個背包可以放入的物品重量最重為s，現(xiàn)有n件物品，它們的重量分別為w[0]、 w[1]、w[2]、…、w[n-1]。問能否從這n件物品中選擇若干件放入此背包中，使得放入的重量之和正好為s。如果存在一種符合上述要求的選擇，則稱此背包問題有解（或稱其解為真）；否則稱此背包問題無解（或稱其解為假）。試用遞歸方法設(shè)計求解背包問題的算法。
標(biāo)簽：
上傳時間： 2016-03-15
上傳用戶：bcjtao
％ EM algorithm for k multidimensional Gaussian mixture estimation ％ ％ Inputs: ％ X(n,d) - input data, n=number of observations, d=dimension of variable ％ k - maximum number of Gaussian components allowed ％ ltol - percentage of the log likelihood difference between 2 iterations ([] for none) ％ maxiter - maximum number of iteration allowed ([] for none) ％ pflag - 1 for plotting GM for 1D or 2D cases only, 0 otherwise ([] for none) ％ Init - structure of initial W, M, V: Init.W, Init.M, Init.V ([] for none) ％ ％ Ouputs: ％ W(1,k) - estimated weights of GM ％ M(d,k) - estimated mean vectors of GM ％ V(d,d,k) - estimated covariance matrices of GM ％ L - log likelihood of estimates ％
標(biāo)簽： multidimensional estimation algorithm Gaussian
上傳時間： 2013-12-03
上傳用戶：我們的船長
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
<strike id="kwssk"></strike>